《基于LSTM神经网络的双色球蓝球数字预测》

结论：没有任何作用，基本可以断定这是真正随机的数字。

LSTM神经网络，单步预测，循环2000次，100个神经元，无dropout。
蓝线：最近50期蓝球数字
橙线：LSTM网络预测数字
绿线：蓝线 - 橙线，相差值
结果就是，没有预测出任何有用的数据

过程：
步骤一：利用爬虫获取500彩票网的历年双色球蓝球数字
步骤二：整理并保存好数据。
步骤三：利用LSTM神经网络进行单步预测

程序来源：
程序一，爬虫程序：自己写的小爬虫。
500彩票网的编码格式是gbk，但有点问题，网站程序员貌似混进了点非法字符，遇到了就选择忽略就行。
500彩票网的数据最早可以追溯到2003年2月23日的第03001期，往后每年的开奖次数有所不同。
2003年共开了03001~03089，共89期
2004年共开了04001~04122，共122期
2005年共开了05001~05153，共153期
2006年共开了06001~06154，共154期
2007年共开了07001~07153，共153期
2008年共开了08001~08154，共154期
2009年共开了09001~09154，共154期
2010年共开了10001~10153，共153期
2011年共开了11001~11153，共153期
2012年共开了12001~12154，共154期
2013年共开了13001~13154，共154期
2014年共开了14001~14152，共152期
2015年共开了15001~15154，共154期
2016年共开了16001~16153，共153期
2017年共开了17001~17154，共154期，其中第17001期数据崩了，没有数据。
2018年共开了18001~18153，共153期
2019年共开了19001~19151，共151期
2020年共开了20001~20134，共134期
2021年共开了21001~21023，至今只有23期

彩票网的网址也很好解析，就是https://kaijiang.500.com/shtml/ssq/（期数）.shtml
找个列表循环起来就行。

import urllib.request
import pandas as pd

blue_data = []
blue_data_a = []


def url_pachong():
    global response, blue_data
    blue_list = [88,121,152,153,152,153,153,152,152,153,153,151,153,152,153,152,150,133,22]
    for i in range(18):
        for j in range(blue_list[i]):
            if i < 7:
                response = urllib.request.urlopen("https://kaijiang.500.com/shtml/ssq/0" + str((i+3)*1000+1+j) + ".shtml")
                print(str((i+3)*1000+1+j))
            else:
                response = urllib.request.urlopen("https://kaijiang.500.com/shtml/ssq/" + str((i+3)*1000+1+j) + ".shtml")
                print(str((i+3)*1000+1+j))
            if (i + 3) * 1000 + 1 + j == 17001:    #500彩票网中，第17001次开奖结果炸了，没有数据，自动忽略
                continue
            html = response.read().decode("gbk", "ignore")    #500彩票网的网站程序员混进了一些gbk的非法字符，选择自动忽略非法字符
            html_data = html.find('
')    #找到蓝球数字所在的地方
            print(html.find('
'))
            print(html[html_data + 22] + html[html_data + 23])
            blue_data.append(int(html[html_data + 22] + html[html_data + 23]))
            blue_data_a.append(int(html[html_data + 22] + html[html_data + 23]))
        test = pd.DataFrame(columns=['data'], data=blue_data)
        test.to_csv('C:/Users/小幻月/Desktop/双色球数据爬取/bull_data_'+str(i)+'.csv')
        print("阶段%d完成" % int(i+1))
        blue_data = []


if __name__ == "__main__":
    url_pachong()
    test = pd.DataFrame(columns=['data'], data=blue_data)
    test.to_csv('C:/Users/小幻月/Desktop/双色球数据爬取/blue_data_a.csv')

程序二，数据整理程序：自己写的
为啥要这个程序呢，可能是因为我自己的网络不够稳定，所以有时候爬虫网页加载不出来，导致这一步html_data = html.find('

')没法找到对应的字符，返回错误-1，导致后面的int(html[html_data + 22]语句类型错误，然后程序就退出来了（其实我觉得可以加个try语句进行重试的），不过我选择每完成一个阶段就保存成一个文件，然后再整合到一个文件中。

程序比较弱智：

from pandas import read_csv
import pandas as pd

data = []
data_blue = []


def file_open():
    global data_blue, data
    for i in range(19):
        data = read_csv('blue_data_%d.csv' % i, index_col=0, squeeze=True).values
        data_blue.append(list(data))
        #现在的数据是个二维列表，对其进行降维，转变为字符串，再删去'['和']'
        b = str(data_blue)
        b = b.replace('[', '')
        b = b.replace(']', '')
        data_blue = list(eval(b))
        data = []
        print(i)
    test = pd.DataFrame(columns=['data'], data=data_blue)
    test.to_csv('C:/Users/小幻月/Desktop/双色球数据爬取/data_blue.csv')


if __name__ == '__main__':
    file_open()

程序三，LSTM神经网络单步预测：github上下载的例程，进行了一点点地修改。

from pandas import DataFrame
from pandas import Series
from pandas import concat
from pandas import read_csv
from pandas import datetime
from sklearn.metrics import mean_squared_error
from sklearn.preprocessing import MinMaxScaler
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout
from keras.layers import LSTM
from keras.models import save_model
from keras.models import load_model
from math import sqrt
from matplotlib import pyplot
import numpy


# 构建差分序列
def difference(dataset, interval=1):
    diff = list()
    for i in range(interval, len(dataset)):
        value = dataset[i] - dataset[i - interval]
        diff.append(value)
    return Series(diff)


# 将数据转换为监督型学习数据，NaN值补0
def timeseries_to_supervised(data, lag=1):
    df = DataFrame(data)
    columns = [df.shift(i) for i in range(1, lag + 1)]
    columns.append(df)
    df = concat(columns, axis=1)
    df.fillna(0, inplace=True)
    return df


def scale(train, test):
    # 创建一个缩放器
    scaler = MinMaxScaler(feature_range=(-1, 1))
    scaler = scaler.fit(train)
    print(train)
    # 将train从二维数组的格式转化为一个23*2的张量
    # train = train.reshape(train.shape[0], train.shape[1])
    # 使用缩放器将数据缩放到[-1, 1]之间
    train_scaled = scaler.transform(train)
    print(train_scaled)
    # transform test
    # test = test.reshape(test.shape[0], test.shape[1])
    test_scaled = scaler.transform(test)
    return scaler, train_scaled, test_scaled


def fit_lstm(train, batch_size, nb_epoch, neurons):
    # 将数据对中的X, y拆分开，形状为[23*1]
    X, y = train[:, 0:-1], train[:, -1]
    # 将2D数据拼接成3D数据，形状为[23*1*1]
    X = X.reshape(X.shape[0], 1, X.shape[1])
    # Sequential 序贯模型
    model = Sequential()
    # neurons是神经元个数，batch_input_shape是输入形状(样本数，时间步，每个时间步的步长)，
    # stateful是状态保留,reset_states是重置网络状态，网络状态和网络权重是两回事
    # 1.同一批数据反复训练很多次，可保留每次训练状态供下次使用
    # 2.不同批数据之间有顺序关联，可保留每次训练状态（一只股票被差分成多个批次）
    # 3.不同批次数据，数据之间没有关联，则不传递网络状态（多只不同股票之间）
    model.add(LSTM(neurons, batch_input_shape=(batch_size, X.shape[1], X.shape[2]), stateful=True))
    model.add(Dense(1))  # 输出数组为单个数字
    # model.add(Dropout(0.25))  # 随机失活
    # 定义损失函数和优化器
    # compile 训练模式
    # 损失函数(loss)：                                     优化器(optimizer)：
    # mean_squared_error : 均方误差                         adam : 优化算法
    # mean_absolute_error ： 平均绝对误差                    SGD ： 随机梯度下降
    # mean_absolute_percentage_error ：平均绝对误差百分比     RMSprop
    # mean_squared_logarithmic_error ：均方对数误差          Adagrad
    # squared_hinge                                       Adadelta
    # hinge                                               Adamax
    # categorical_hinge                                   Nadam
    # logcosh
    # categorical_crossentropy
    # sparse_categorical_crossentropy
    # binary_crossentropy
    # kullback_leibler_divergence
    # poisson
    # cosine_proximity
    model.compile(loss='mean_squared_error', optimizer='adam')
    for i in range(nb_epoch):
        # model.fit参数：
        # x：输入数据。如果模型只有一个输入，那么x的类型是numpy array，如果模型有多个输入，那么x的类型应当为list，list的元素是对应于各个输入的numpy array
        # y：标签，numpy array
        # batch_size：整数，指定进行梯度下降时每个batch包含的样本数。训练时一个batch的样本会被计算一次梯度下降，使目标函数优化一步。
        # verbose：日志显示，0为不在标准输出流输出日志信息，1为输出进度条记录，2为每个epoch输出一行记录
        # shuffle：布尔值或字符串，一般为布尔值，表示是否在训练过程中随机打乱输入样本的顺序。若为字符串“batch”，则是用来处理HDF5数据的特殊情况，它将在batch内部将数据打乱。
        # shuffle=False是不混淆数据顺序
        model.fit(X, y, epochs=1, batch_size=batch_size, verbose=1, shuffle=False)
        # 每训练完一个轮回，重置一次网络状态，网络状态和网络权重是两个东西
        model.reset_states()
    model.save('my_model.h5')
    return model


def forecast_lstm(model, batch_size, X):
    # 将形状为(1,)的，包含一个元素的一维数组X，构造成形状为(1,1,1)的3D张量
    X = X.reshape(1, 1, len(X))
    # 输出yhat形状为(1,1)的二维数组
    yhat = model.predict(X, batch_size=batch_size)
    # 返回二维数组中，第一行一列的yhat的数值
    return yhat[0, 0]


def invert_scale(scaler, X, y):
    # 将x，y转成一个list列表[x,y]->[0.26733207, -0.025524002]
    # [y]可以将一个数值转化成一个单元素列表
    new_row = [x for x in X] + [y]
    # new_row = [X[0]]+[y]
    # 将列表转化为一个,包含两个元素的一维数组，形状为(2,)->[0.26733207 -0.025524002]
    array = numpy.array(new_row)
    print(array.shape)
    # 将一维数组重构成形状为(1,2)的，1行、每行2个元素的，2维数组->[[ 0.26733207 -0.025524002]]
    array = array.reshape(1, len(array))
    # 逆缩放输入的形状为(1,2),输出形状为(1,2) -> [[ 73 15]]
    inverted = scaler.inverse_transform(array)
    return inverted[0, -1]


def inverse_difference(history, yhat, interval=1):
    return yhat + history[-interval]


# 加载数据
series = read_csv('data_blue.csv', index_col=0, squeeze=True)
# 最后N条数据作为测试数据
testNum = 50

# 将所有数据进行差分转换
raw_values = series.values
diff_values = difference(raw_values, 1)

supervised = timeseries_to_supervised(diff_values, 1)
supervised_values = supervised.values

print(supervised_values)

train, test = supervised_values[0:-testNum], supervised_values[-testNum:]

scaler, train_scaled, test_scaled = scale(train, test)

print(test_scaled)

#单步预测，循环2000次，100个神经元，无dropout，对，我瞎调的。
lstm_model = fit_lstm(train_scaled, 1, 2000, 100)
#lstm_model = load_model('my_model.h5')

# print(train_scaled)
train_reshaped = train_scaled[:, 0].reshape(len(train_scaled), 1, 1)
print(train_reshaped)

lstm_model.predict(train_reshaped, batch_size=1)

predictions = list()

predictions_error = []

for i in range(len(test_scaled)):
    # 将(testNum,2)的2D训练集test_scaled拆分成X,y；
    # 其中X是第i行的0到-1列，形状是(1,)的包含一个元素的一维数组；y是第i行，倒数第1列，是一个数值；
    X, y = test_scaled[i, 0:-1], test_scaled[i, -1]
    # 将训练好的模型lstm_model，X变量，传入预测函数，定义步长为1，
    yhat = forecast_lstm(lstm_model, 1, X)
    print(yhat)
    #print(yhat.shape)
    # 对预测出的y值逆缩放
    yhat = invert_scale(scaler, X, yhat)
    print(yhat)
    # 对预测出的y值逆差分转换
    yhat = inverse_difference(raw_values, yhat, len(test_scaled) + 1 - i)
    print(yhat)
    # 存储预测的y值
    predictions.append(yhat)
    print(yhat)
    # 获取真实的y值
    expected = raw_values[len(train) + i + 1]
    print(expected)
    predictions_error.append(expected-yhat)
    # 输出对比预测值与真实值做
    print('Month=%d, Predicted=%f, Expected=%f' % (i + 1, yhat, expected))

rmse = sqrt(mean_squared_error(raw_values[-testNum:], predictions))
print('Test RMSE: %.3f' % rmse)

print(predictions_error)
# 作图展示
pyplot.plot(raw_values[-testNum:])
pyplot.plot(predictions)
#pyplot.show()
ax = 0
pyplot.plot(raw_values[-testNum:]-predictions)
for i in range(testNum):
    ax = ax + abs(predictions[i])
bx = ax/testNum
print(bx)
pyplot.show()

我自己有点笔记，忽略就好。

总之，结论就是：没有任何作用↓，绿线（相差值）走势和蓝线（真实值）几乎都一样了，证明，橙线（预测值）没有任何价值，想要借此发财的洗洗睡吧。

小幻月
2021年3月9日